级联式生成对抗网络图像修复模型

摘要

为解决现有算法容易产生图像模糊或纹理失真的问题,提出了一种级联式生成对抗网络图像修复模型.该模型由粗化和优化生成子网络串联而成.在粗化生成网络中设计了一种并行卷积模块,由3层卷积通路和1个深层卷积通路并联组成,当网络层数较深时,可解决梯度消失问题;在深层卷积通路中提出了一种特征提取模块,可利用不同大小的卷积核来获取更加丰富的图像信息.此外,在优化生成网络中提出了一种级联残差模块,通过对4个通道的双层卷积进行交叉级联,可有效增强特征复用;将卷积结果与模块输入特征图的元素对应相加,进行局部残差学习,可提高网络的表达能力;同时采用空洞卷积,可以充分利用上下文信息,保留更多的图像底层细节,实现图像的精细修复.仿真实验结果表明,本文算法修复图像视觉效果好,在3个数据集上峰值信噪比(PSNR)分别为18.4532、18.5496、21.5299;结构相似度(SSIM)为0.8972、0.9683、0.8956,量化结果在对比算法中均为最高,实现复杂结构和纹理信息的自动修复.